Pandas数据分析—的数据转换函数map、apply、applymap

13.Pandas的数据转换函数map、apply、applymap

---

前言

笔者最近正在学习Pandas数据分析，将自己的学习笔记做成一套系列文章。本节主要记录Pandas中的数据转换函数map、apply、applymap（类似sql数据库中的groupby）

数据转换函数对比： map、apply、applymap:

1. map:只用于Series，实现每个值->值的映射
2. apply：用于Series实现每个值的处理，用于Dataframe实现每个轴的Series的处理。
3. applymap:只能用于DataFrame，用于处理该DataFrame的每个元素

---

一、准备数据

import pandas as pd
fpath="./datas/result_merged.xlsx"
stocks=pd.read_excel(fpath)
stocks.head()

stocks["username"].unique()

#将英文名设置到中文的映射
dict_users_names={
    'xiao_bo': '小波',
    'xiao_lei':'小雷',
    'xiao_hong':'小红',
    'xiao_shuai':'小帅',
    'xiao_ming':'小明',
    'xiao_wang':'小王'
    
}

二、map用于Series值的转换

实例：将股票代码英文转换为中文名字
Series.map(dict) or Series.map(function)均可

#方法一：Series.map(dict)
stocks["名字"]=stocks["username"].str.lower().map(dict_users_names)
stocks.head()

#方法2:Series.map(function)
#function的参数是Series的每个元素的值
stocks["中文名字"]=stocks['username'].map(lambda x:dict_users_names[x.lower()])
stocks.head()

三、apply用于Series和DataFrame的转换

• Series.apply(function),函数的参数是每个值
• DataFrame.apply(function)，函数的参数是Series

#Series.apply(function)
#function的参数是Series的每个值
stocks['名字3']=stocks['username'].apply(
            lambda x:dict_users_names[x.lower()]
)
stocks.head()

#DataFrame.apply(function)
#function的参数是对应轴的Series
stocks['名字4']=stocks.apply(
        lambda x: dict_users_names[x['username'].lower()],
        axis=1
)
stocks.head()

四、applymap 用于DataFrame所有值的转换

sub_df=stocks[[4904,0.14,1.62]]
sub_df.head()
#将这些数字取整数，应用于所有元素
sub_df.applymap(lambda x:int(x))
#直接修改原df的这激烈
stocks.loc[:,[4904,0.14,1.62]]=sub_df.applymap(lambda x:int(x))
stocks.head()

总结

这就是pandas的数据转换函数map、apply、applymap基本用法了，希望可以帮助到你。